使用3D整体成像和深度学习,在水中检测水下物体和时间信号

科学领域:

• 水下光学是水下光学.
• 计算机视觉 计算机视觉 计算机视觉
• 信号处理 信号处理

背景情况:

• 水下散射降低了对象检测和信号检测.
• 度和封闭性对水下传感具有重大挑战.

研究的目的:

• 开发一个集成的双功能深度学习算法,用于同时检测水下物体和时间信号.
• 通过使用3D整体成像 (InIm) 在退化的水下环境中提高性能.

主要方法:

• 利用相机阵列捕捉水下物体和临时编码信号.
• 采用了You Look Only Once (YOLOv4) 网络用于对象检测和CNN-BiLSTM网络用于信号检测.
• 在清晰的场景中训练网络,并在的,部分遮蔽的场景中进行测试.

主要成果:

• 与2D方法相比,3D InIm在退化环境中展示了优越的图像重建.
• 重建的3D图像从遮蔽和背景中改进了对象的细分,提高了检测准确度.
• 实现了同时和集成的水下物体和光学信号检测.

结论:

• 拟议的深度学习算法与3D InIm相结合,有效地应对退化水下环境的挑战.
• 这种综合方法为同时检测物体和信号提供了一种新的解决方案,其性能优于传统的2D方法.